感知是一个新的无fabless机器学习处理器公司，从Xperi剥离出来，由Xperi的CTO Steve Teig担任新公司的CEO。该公司已经放弃了隐形模式，并推出了Ergo处理器，这款处理器旨在为小型设备提供推理，提供了以前只有在强大的基于云的推理处理器上才可能达到的性能水平。因此，在不到十分之一瓦峰值功率的情况下，蓝冠测速网络中的塔可以使用定向或全向收发器。定向天线可以是扇形天线，可以发出一定角度的扇形波，也可以是聚焦天线，可以发出窄波束。可以提供超过4个top (tera操作每秒)的峰值性能。效率是55个上限/瓦，比现有的推理处理器整整好一个数量级。

 

运行当今先进的神经网络已经远远超出了许多小型电池驱动设备的能力。因此，它被设计用来运行多个超过1亿重的并发网络和超过400MB的网络大小。感知已经证明了复杂的场景，包括多个神经网络同时运行。在多传感器演示中，使用与音频事件检测同时运行的M2Det从高清传感器检测到多个对象。在一个面部识别演示中，M2Det检测对象，同时第二个网络运行面部特征检测，第三个网络运行面部识别。

 

Tirias Research的高级分析师西蒙•索尔特科(Simon Solotko)表示:“对小型设备而言，能够同时运行多个最先进的网络是一项突破，对于一块仅耗电十分之一瓦的芯片来说，这令人惊讶。”因此，它是第一个将一流的机器学习研究置于智能设备范围内的处理器。离线处理传感器数据将彻底改变基于云的机器学习服务架构，并为消费电子行业带来重大机遇。”

 

因此，Ergo提供了紧密的集成，包括板上I/O、内存和推理处理，使该芯片成为新兴的“智能”设备的理想选择，这些设备不依赖于云推理进行传感器处理。让传感器数据远离云本质上更安全——没有人想要我们完整的语音、家庭视频反馈，以及它们在互联网上返回的元数据。传感器数据可以直接路由到机器学习处理器，蓝冠注册套件为在智能家居，自动化，智能家电和家庭娱乐等领域将Alexa集成到IoT设备中提供了新的机会。机器学习处理器可以立即激活额外的传感器或为无线网络供电。

 

降低功耗对于实现不依赖家庭布线的电池供电设备至关重要，对于可穿戴设备和便携式电子设备来说也是如此。通过减少云计算的任务——消除误报并在本地处理原始传感器反馈——以及利用机器学习作为前线逻辑，盖茨可以打开其他传感器或创建CPU进程，从而节省电力。节省的电力将使新的设备类别与新的功能集。

 

“本地推理将是物联网和消费电子产品的下一个进化阶段，”西蒙继续说。“使用高级推理能力和低功耗的智能设备应该能够创造必要的创新来吸引用户，并重新确立消费类电子设备的地位。”

 

能够同时运行多个最先进的网络是小型设备的一个突破。创造一种新的设计方法，蓝冠测速机器学习，计算机视觉以及手势和情绪识别，再加上先进的传感器，先进的执行器和强大的边缘处理器，可以使机器人完成比以往更多蓝冠官网的任务。将推理置于设备功能的中心，这将推动设备创新，并为智能物联网带来新的实用浪潮。关于新处理器和演示的更多细节可以在一个免费的白皮书中找到。